拼接与合并

把多个视频片段连成一个完整视频，是剪辑里的基础操作。FFmpeg 提供了三种拼接机制，适用场景完全不同，选错了要么报错，要么慢得离谱。

三种方式对比

方式	是否重编码	速度	适用场景
concat demuxer	否（流复制）	极快	所有片段编码参数完全一致
concat filter	是	慢	片段编码/分辨率不同，需要统一
concat protocol	否	极快	只支持少数格式（MPEG-TS 等）

concat demuxer：秒拼（推荐首选）

这是最常用的方式。前提是所有片段的编码、分辨率、帧率、像素格式、时间基准都一致——简单说，就是它们是用同样参数生成的。

步骤一：写清单文件

新建一个文本文件，比如 list.txt，每行列出一个要拼接的文件：

file 'part1.mp4'
file 'part2.mp4'
file 'part3.mp4'

• 文件名用单引号包起来。
• 路径是相对于清单文件所在目录的。
• Windows 下路径可以用正斜杠或双反斜杠，避免单反斜杠被当成转义。

带绝对路径的写法：

file 'D:/videos/part1.mp4'
file 'D:/videos/part2.mp4'

步骤二：执行拼接

ffmpeg -f concat -safe 0 -i list.txt -c copy output.mp4

• -f concat：指定使用 concat demuxer。
• -safe 0：允许清单里写绝对路径。如果都是相对路径可以不加。
• -c copy：所有流直接复制，不重编码，秒出。

Windows PowerShell 生成清单

如果文件按 part-01.mp4、part-02.mp4 命名好，可以直接生成清单：

# PowerShell 6+ 支持 utf8NoBOM
Get-ChildItem part-*.mp4 | Sort-Object Name | ForEach-Object {
    "file '$($_.Name)'"
} | Set-Content list.txt -Encoding utf8NoBOM

ffmpeg -f concat -safe 0 -i list.txt -c copy output.mp4

Linux/macOS：

for f in part-*.mp4; do echo "file '$f'"; done > list.txt
ffmpeg -f concat -safe 0 -i list.txt -c copy output.mp4

片段参数不一致怎么办

如果片段都是同一种编码器（比如都是 H.264 + AAC）但分辨率或帧率不同，concat demuxer 仍然能拼，但结果可能出现花屏、卡顿、音画不同步。这种情况有两种选择：

1. 先统一参数：把每个片段都转成同样的分辨率、帧率、GOP，再用 demuxer 拼。
2. 用 concat filter：见下一节，一条命令搞定但要重编码。

concat filter：任意拼接（需重编码）

concat filter 会把所有片段先解码，统一后再重新编码。它不要求片段参数一致——分辨率不同会自动按第一段为准，音频声道数也会对齐。

ffmpeg -i part1.mp4 -i part2.mp4 -i part3.mp4 \
  -filter_complex "[0:v][0:a][1:v][1:a][2:v][2:a]concat=n=3:v=1:a=1[v][a]" \
  -map "[v]" -map "[a]" \
  -c:v libx264 -c:a aac \
  output.mp4

拆解：

• 有几个输入就写几个 -i。
• [0:v][0:a] 表示第 0 个输入的视频和音频，按顺序排列。
• concat=n=3:v=1:a=1：3 段，每段 1 条视频 1 条音频。
• [v][a] 是输出标签，再用 -map 取出来。
• 最后指定编码器。

只有视频没有音频

ffmpeg -i part1.mp4 -i part2.mp4 \
  -filter_complex "[0:v][1:v]concat=n=2:v=1:a=0[v]" \
  -map "[v]" -c:v libx264 output.mp4

:a=0 表示没有音频。

片段数量多怎么办

手写一长串 [0:v][0:a][1:v][1:a]... 太痛苦。可以写个脚本自动生成。或者先把所有片段转成统一参数的中间文件，再用 concat demuxer 拼——虽然多了一道工序，但总体可能更快，因为 filter 方式必须全部重编码。

concat protocol：特定格式

concat protocol 是最底层的拼接方式，它直接把文件字节流连在一起，不解析容器。只对某些基于数据包、无文件头的格式有效，比如 MPEG-TS、MPEG-PS。

ffmpeg -i "concat:part1.ts|part2.ts|part3.ts" -c copy output.ts

• 用 | 分隔文件名。
• 只对 TS 等少数容器可靠。
• 不要对 MP4、MKV 使用，它们有文件头，直接拼会损坏。

实际用得最多的还是 TS 直播切片的拼接。如果你手上是 MP4 文件，老老实实用 demuxer 或 filter。

常见场景

把手机录的多段视频拼起来

手机录的片段参数通常一致（同一台机器、同一个 App），直接 demuxer：

# list.txt
file 'VID_001.mp4'
file 'VID_002.mp4'
file 'VID_003.mp4'

ffmpeg -f concat -safe 0 -i list.txt -c copy merged.mp4

拼不同来源的视频

一个是 1080p30，一个是 720p24，一个是 4K60：

ffmpeg -i a.mp4 -i b.mp4 -i c.mp4 \
  -filter_complex \
  "[0:v]scale=1920:1080:force_original_aspect_ratio=decrease,pad=1920:1080:(ow-iw)/2:(oh-ih)/2,fps=30,format=yuv420p[v0]; \
   [1:v]scale=1920:1080:force_original_aspect_ratio=decrease,pad=1920:1080:(ow-iw)/2:(oh-ih)/2,fps=30,format=yuv420p[v1]; \
   [2:v]scale=1920:1080:force_original_aspect_ratio=decrease,pad=1920:1080:(ow-iw)/2:(oh-ih)/2,fps=30,format=yuv420p[v2]; \
   [0:a]aresample=48000,aformat=channel_layouts=stereo[a0]; \
   [1:a]aresample=48000,aformat=channel_layouts=stereo[a1]; \
   [2:a]aresample=48000,aformat=channel_layouts=stereo[a2]; \
   [v0][a0][v1][a1][v2][a2]concat=n=3:v=1:a=1[v][a]" \
  -map "[v]" -map "[a]" -c:v libx264 -c:a aac output.mp4

这个比较复杂，核心思路是先用 scale/fps/format 把每段统一到 1920×1080 / 30fps / yuv420p，音频统一到 48kHz 立体声，再 concat。滤镜图的语法在 §23 详细讲。

拼接并无损重编码到统一参数

如果想保持画质但必须统一参数，可以用无损中间格式：

# 每段转成无损中间文件
ffmpeg -i part1.mp4 -c:v ffv1 -c:a pcm_s16le tmp1.mkv
ffmpeg -i part2.mp4 -c:v ffv1 -c:a pcm_s16le tmp2.mkv

# 拼接
ffmpeg -i tmp1.mkv -i tmp2.mkv -filter_complex "[0:v][0:a][1:v][1:a]concat=n=2:v=1:a=1[v][a]" -map "[v]" -map "[a]" -c:v ffv1 -c:a pcm_s16le merged.mkv

# 最后压成 H.264
ffmpeg -i merged.mkv -c:v libx264 -c:a aac final.mp4

中间文件巨大，但二次压缩损失最小。

小结

• 同编码、同参数的片段：用 concat demuxer + -c copy，秒拼。
• 参数不同的片段：用 concat filter，重编码但能统一。
• TS 等无文件头格式：可以用 concat protocol，其他格式别碰。
• 清单文件用 UTF-8 无 BOM 编码，路径用单引号。
• 拼接出问题大多是因为片段参数不一致，先用 ffprobe 检查每段的编码、分辨率、帧率、采样率。

下一章做个有趣的：视频和 GIF 互相转换。